我有一个随时间变化的多元数据集。我已经提取（并标准化）了一些特征，并使用k-means在整个数据集范围内生成集群。
现在我想看看集群是否会随着时间的推移发生显着变化。那么，向后工作，从而将数据集减少 x 个月，我可以看到某些集群的显着减少吗？
我认为，这可能属于时间序列聚类的范畴。我希望避免使方法复杂化，因为集群目前是有意义的并且方法相对简单。
有人可以告诉我如何去做吗？
我的直觉是将数据集减少 x 个月，然后对数据进行聚类（使用 k-means）进行比较。但是，我可能在这里打破了规则，将一个复杂的问题过于简单化了。
时间序列聚类要求样本量保持不变，但特征随时间变化，否则意义不大。不过，在这个问题中，从描述样本量中推断会随着时间的推移而增加。在这种情况下，要查看significant reduction on certain clusters，应该使用固定的样本大小。然后从初始时间段中选择固定样本，并查看它们的集群大小和成员资格如何随时间变化。
象征性地，假设您有 3 个数据集（特征矩阵）随着时间的推移：
和相应的聚类， 在哪里本质上是实例和集群成员表。要判断聚类如何变化，请在, 这样. 跟踪方式的成员资格和不同聚类上的聚类大小变化。如果在不同的聚类上有“减少”（显着变化），这将是一个好主意，因为随着时间的推移具有代表性。